楊 杰 陳萬培， 喬延婷 韓 恒

（1.揚(yáng)州大學(xué)廣陵學(xué)院 揚(yáng)州 225009）（2.揚(yáng)州大學(xué)信息工程學(xué)院 揚(yáng)州 225009）

1 引言

隨著汽車業(yè)的迅速發(fā)展，越來越多的汽車進(jìn)入人們的家中。汽車給人們帶來方便的同時也對人民群眾的生命財產(chǎn)安全帶來了隱患［1］。交通事故發(fā)生的主要原因之一是疲勞駕駛，研究與實(shí)現(xiàn)嵌測入式疲勞檢系統(tǒng)對避免交通事故的發(fā)生具有重大的現(xiàn)實(shí)意義。

疲勞駕駛是指駕駛員在心理、生理上發(fā)生變化引起駕駛能力降低［2］。

目前，駕駛疲勞檢測方法分為以下三類：基于生理信號檢測技術(shù)、基于車輛運(yùn)動參數(shù)檢測技術(shù)和基于人行為特征的檢測技術(shù)［3～5］。早期疲勞駕駛的檢測技術(shù)通過監(jiān)測生理信號判斷駕駛員的疲勞狀況，該方法能夠較準(zhǔn)確地進(jìn)行疲勞判斷，但由于采用接觸式傳感器［6］，具有很多的局限性?；谲囕v運(yùn)動參數(shù)檢測技術(shù)通過判斷車輛自身參數(shù)從而得到駕駛員的疲勞狀態(tài)。該方法不容易反映平緩運(yùn)動車輛的駕駛員狀態(tài)?；谌诵袨樘卣鞯膱D像處理判斷檢測技術(shù)主要是檢測人臉，分析人臉特征，從而判斷駕駛員駕駛狀態(tài)，一般采用此方法檢測駕駛疲勞。

基于廣泛采用的PERCLOS算法，本文設(shè)計了適用于該系統(tǒng)的駕駛疲勞檢測算法?！癙ERCLOS”定義為在一定時間內(nèi)閉眼程度為80%～100%時間百分比［7］。該方法判別駕駛疲勞的識別度較高，對車輛和司機(jī)的影響較小。實(shí)驗(yàn)表明，本文的系統(tǒng)尺寸小，成本低，實(shí)時性良好。

2 疲勞駕駛檢測系統(tǒng)設(shè)計

一個合格的疲勞檢測系統(tǒng)，要求尺寸小，數(shù)據(jù)傳輸量大，能實(shí)現(xiàn)復(fù)雜計算，實(shí)時性良好［8］。本文基于TMS320DM642芯片的進(jìn)行設(shè)計，該芯片具有強(qiáng)大的圖像處理能力，能滿足系統(tǒng)的實(shí)時性要求。駕駛員疲勞檢測系統(tǒng)主要由視頻采集，面部檢測和圖像處理，人眼定位，疲勞判別和發(fā)出警報六個模塊分構(gòu)成，如圖1所示。

圖1 疲勞檢測系統(tǒng)六大模塊

整體硬件結(jié)構(gòu)如圖2。系統(tǒng)的基本工作原理是：將采集的連續(xù)模擬信號轉(zhuǎn)換成數(shù)字圖像信號（A/D轉(zhuǎn)換），然后將該信號交處理器處理，包括人臉檢測、人眼定位、疲勞檢測等，最后得到視頻輸出（D/A轉(zhuǎn)換），如果檢測到駕駛員疲勞駕駛，則報警。這種硬件設(shè)計使得信號能被實(shí)時處理，是疲勞駕駛的一個很好的檢測設(shè)計。

圖2 硬件結(jié)構(gòu)圖

3 疲勞檢測技術(shù)

疲勞檢測算法主要包含人臉檢測，人眼定位以及確定人眼疲勞狀態(tài)的算法［9］，整體流程圖如圖3所示。

圖3 疲勞判定流程圖

3.1 人臉檢測

在駕駛疲勞檢測中，第一步是人臉檢測，其精度是至關(guān)重要的。目前人臉檢測的方法主要有基于膚色的人臉檢測算法、基于人臉特征的檢測定位方法和基于人臉模板的匹配定位檢測算法［10］。

本文采用Haar特征實(shí)現(xiàn)人臉檢測［11］，該方法需要收集大量的人臉樣本，訓(xùn)練分類。該樣品主要分為陽性樣品和陰性樣品。陽性樣品是面部的清晰圖像，而陰性樣品是除了面部以外的其他情況。樣本的多樣性，復(fù)雜性和數(shù)量決定訓(xùn)練的分類器的準(zhǔn)確性和魯棒性。多個弱分類器組成一個強(qiáng)分類器，多個強(qiáng)分類器級聯(lián)組成級聯(lián)分類器，該級聯(lián)分類器就是最終檢測用的分類器。當(dāng)執(zhí)行面部檢測，所述算法接收輸入視頻圖像，并且生成不同尺寸的窗口。該窗口中的圖像通過分類器及其分類特征確認(rèn)面部是否出現(xiàn)在窗口中；若該尺寸滑窗遍歷完整張圖片都未找到人臉，則改變滑窗大小重新遍歷檢測，以此類推。人臉檢測原理如圖4所示。

圖4 人臉檢測原理圖

3.2 人眼定位

人臉檢測完成后，下一步的工作就是對面部圖像處理，然后通過人眼進(jìn)行定位判斷駕駛員的疲勞狀態(tài)［12～13］。目前有很多成熟的算法能夠從復(fù)雜的處理結(jié)果中檢測人眼，例如灰度投影方法，基于可變形模板的人眼定位方法，基于霍夫變換的人眼定位方法和對稱變換法等。

在本文中，結(jié)合基于人的面部特征積分投影和區(qū)域分割法，實(shí)現(xiàn)了人眼定位。其定位的流程如圖5。

圖5 人眼定位流程圖

許多研究已經(jīng)表明，在所提取的面部信息里，眉眼對稱分布且兩者的亮度低。因此，為了找到人眼，二值化面部，標(biāo)記二進(jìn)制圖像，觀察連接域的中心，約束連接域，從而除噪聲，縮小范圍，然后找到區(qū)域的中心，確定是否有高度相似的連接域。通過眉眼最高位置的兩個連接域，眼睛和眉毛可以被確定，從而實(shí)現(xiàn)人眼的定位。

3.3 疲勞狀態(tài)判定

當(dāng)駕駛員出現(xiàn)疲勞狀態(tài)時身體會出現(xiàn)一些相應(yīng)的反應(yīng)。文獻(xiàn)［14］指出疲勞程度能判斷眼睛狀態(tài)，眼睛疲勞的最直接的表觀現(xiàn)象是眼睛閉合一段時間的時間長度。時間越長，人越疲勞，通過計算PERCLOS值來確定駕駛員的駕駛狀態(tài)［15］。

在本文中，PERCLOS測量方法是：以瞳孔開度的30%為界，大于此值為睜眼態(tài)，小于或等于此值為閉眼態(tài)。研究試驗(yàn)的結(jié)果表明，當(dāng)人是清醒的，眼睛閃爍0.2s～0.3s。若汽車速度達(dá)到60km/h、眼睛閉合3s，司機(jī)將閉眼行駛50m，這是非常危險的。因此，當(dāng)PERCLOS的值是超過40%，或者當(dāng)眼睛閉合時間超過3s，則系統(tǒng)認(rèn)為司機(jī)已疲勞，并且系統(tǒng)將發(fā)出報警聲。

4 實(shí)驗(yàn)驗(yàn)證

為了證明本文所提方案的可行性，在室內(nèi)對系統(tǒng)進(jìn)行了室內(nèi)測試，測試裝置如圖6所示。白天測試結(jié)果如表1所示，夜晚測試結(jié)果如表2所示。

圖6 測試裝置圖

表1表明在白天光照正常的情況下，攝像頭角度與垂直角度為20°，攝像頭與人眼距離為80cm時，疲勞檢測判斷性能優(yōu)秀。平均閉眼時間間隔為3.21s時，平均第四次發(fā)出“嘀”聲疲勞警告，時間間隔平均為19.58s。

表1 白天疲勞性能測試

表2表明在晚上光照不足的情況下，攝像頭角度與垂直角度為20°，攝像頭與人眼距離為80cm時，疲勞檢測判斷性能優(yōu)秀。平均閉眼時間間隔為3.89s時，均為第四次發(fā)出“嘀”聲疲勞警告，時間間隔平均為18.79s。本次測試結(jié)果說明：閉眼時間較長，模擬疲勞程度與實(shí)際疲勞時閉眼與眨眼的時間存在誤差。

表2 夜晚疲勞性能測試表

實(shí)驗(yàn)結(jié)果表明該駕駛疲勞檢測系統(tǒng)在白天能夠準(zhǔn)確地判斷駕駛員的疲勞狀態(tài)并報警，系統(tǒng)穩(wěn)定性好。在光線不足時，系統(tǒng)能夠進(jìn)行疲勞判定，但存在誤判、延遲判定等情況，疲勞判斷性能一般。

5 結(jié)語

通過對人臉檢測、人眼的定位以及疲勞檢測判定的各類算法的研究，本設(shè)計采用TI公司的TMS320DM642芯片作為疲勞檢測系統(tǒng)的處理核心，視頻前端處理模塊、存儲模塊、視頻后端顯示模塊、報警模塊和其他外圍設(shè)備的添加，構(gòu)建了嵌入式駕駛疲勞檢測系統(tǒng)。該系統(tǒng)實(shí)現(xiàn)了駕駛疲勞檢測，但是對于光線不足的漏檢情況，有待后續(xù)進(jìn)一步研究。